摘要

目的探究不同荷质比明胶溶液的润湿性能，并建立预测模型。方法以明胶可食涂膜为研究对象，利用感应荷电施加外源静电场以改善膜液润湿性能,探究电场电压对明胶液滴荷质比与表面张力,以及液滴在疏水表面接触角的影响,并通过机器学习建立荷质比与表面张力/接触角之间预测模型。结果随着电压升高，明胶液滴荷质比不断增大，且仅以司盘20为表面活性剂(tw0组)时液滴具有最高的荷质比(-50 nC/g)。在0~7kV内，明胶液滴的表面张力随电压升高从35.99~40.65 mN/m降至31.38~35.65 mN/m，其中tw0组表面张力下降最为明显。明胶液滴在石蜡表面的接触角也随电压升高而减小，在表面活性剂吐温20与司盘20质量比为1:1时具有最小值，即电压7kV时接触角为64.99°。深度神经网络预测模型决定系数接近于1，均方误差小于0.08，平均绝对误差小于0.15，具有最好的预测效果。结论静电喷涂能够有效改善膜液在食品表面的润湿性能，利用深度神经网络能够建立膜液液滴荷质比与表面张力/接触角的良好预测模型。

1 实验

1.1 实验材料与设备

主要材料:明胶(药用级，CAS:9000-70-8)，购买于上海阿拉丁生化科技股份有限公司;吐温20、司盘20和甘油等均为国产分析纯，购买于上海易恩化学技术有限公司;电极环为304不锈钢(外径为78mm，内径为68mm)。

主要仪器:DW-P303高压电源，天津东文高压电源有限公司;LFY数字电荷仪，北京中慧天诚科技有限公司;DAS100接触角测量仪，德国克吕士公司。

1.2 明胶可食性成膜溶液的制备

称取7.5g明胶颗粒加入250mL去离子水中，加入质量分数为30%(基于明胶质量)的甘油，70℃下混合搅拌30min，加入质量分数为0.05%(基于溶剂质量)的表面活性剂(具体分组和配比见表1)并搅拌30min,混合溶液超声1h(超声功率为900W),备用。

1.3 实验系统及测试方法

明胶成膜溶液液滴感应荷电的原理图与实际搭建平台如图1所示。该平台由微量进样针、高压电源、数字电荷仪、法拉第筒、接触角测量仪等组成,微量进样针针尖穿过电极环下平面4mm。利用高压电源给电极环通上高压正电,在静电感应的作用下给微量进样针针头处膜液荷上负电。

图1 感应荷电原理(a)、接触角与表面张力测量(b)、荷质比测量(c)

1.4 荷质比的测量

荷质比的测量原理如图 1所示,调节电极环不同电压,向法拉第筒中滴人明胶溶液,记录数字电荷仪示数并称重。为确保充分荷电,每次滴液间隔 1min,实验重复8次。

1.5 表面张力的测量

基于悬滴法原理,采用接触角测量仪测定表面张力,相同条件下重复 8次实验。

1.6 接触角的测量

使用石蜡模拟疏水性食品表面,明胶溶液滴的接触角通过接触角测量仪测量。调节不同电压,将 5μL 的液滴缓慢滴到石蜡表面,并在 30s后记录接触角,使用椭圆拟合的方法来测定接触角,相同条件下进行8次重复实验。

1.7 数据预处理

在进行神经网络学习之前,需要对实验数据进行有效预处理以确保模型的训练效果。首先,对表面张力、接触角和荷质比的测量数据进行整理,处理潜在异常值。这包括检测并删除可能由于实验误差引起的异常数据点，以确保输入模型的数据质量。然后，将整理过的数据集划分为训练集(80%)和测试集(20%)，这有助于提高模型的泛化能力。

1.8 机器学习

使用PyTorch框架进行机器学习神经网络的搭建和训练。首先，设计包括多个层次的全连接层和激活函数,以捕捉潜在的数量关系。在选择损失函数时,选择均方误差(Mean Squared Error, MSE)这一适合回归问题的损失函数。优化器选择 Adam优化器。经多轮训练,监控模型性能以及损失函数的收敛情况,通过调节神经网络的超参数,如学习率、隐藏层节点数等,优化模型性能。

采用多种机器学习算法,包括 DNN(深度神经网络)、 LR(线性回归)、基于 2种核函数的 SVM(支持向量机)、DTR(决策树回归)、GBR(梯度增强回归)、 KNN(K近邻),评估荷质比与表面张力、接触角的关系,确定最优预测模型。

按照 8: 2的比例将实验数据划分为训练集和测试集,对每个模型进行训练,并在测试集上进行验证。这里选用 3种常用于回归任务的评价指标:均方误差(MSE)、平均绝对误差(MAE)和决定系数 R²。 MSE和 MAE可以衡量预测值与真实值之间的误差,数值越小表示模型预测的越准确; R² 度量模型拟合数据的程度,取值范围在 0到 1之间,越接近 1表示模型对数据的拟合程度越好。这 3个评价指标的计算公式如下所示:

式中: n为样本数量; y_i 为实际值; ŷ_i 为预测值; ȳ_i 为实际值的均值。

1.9 数据处理与统计分析

数据结果表示为平均值±标准偏差的形式,采用SPSS Statistics(24, IBM公司,美国)进行方差分析, P≤0.05 则认为数据有显著性差异。